메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
류동흠 (PIDOTECH) 이용빈 (PIDOTECH) 최동훈 (PIDOTECH)
저널정보
대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2018년도 학술대회
발행연도
2018.12
수록면
110 - 113 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Gaussian process (GP) model, a well-known surrogate model, are frequently used in various engineering fields due to its predictive performance. However, since GP model requires large numbers of matrix inversion for optimizing userdefined parameters, constructing the model becomes difficult as the size of data increases. This drawback limits the use of GP model for accumulated large data. In this study, a novel Gaussian process regression model, which can handle large data, is proposed. The proposed method is based on a main idea of a composite likelihood function where three key techniques -1) data splitting method, 2) user-defined parameter optimization, 3) fuzzy inference- are introduced to improve performance of the model. In order to verify the performance, benchmark problems with various tendencies were used. The results were compared with existing machine learning methods where the proposed method proved to have better performance.

목차

Abstract
1. 서론
2. 제안 기법 설명
3. 예제 적용
4. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0